风险边坡失稳造成的危害极大,利用智能化边坡在线监测系统实时监测边坡风险状况显得尤为重要,而单一边坡安全监测手段往往很难准确反映边坡的变化趋势,有必要对边坡地表变化与内部活动进行同步监测,因此建立了“北斗+微震”边坡安全综合监测方案。为了能实现滑坡灾前避险和风险边坡的分级管控,需要改进现有对边坡监测信号有效信息分析与提取的研究方法。以矿山边坡为主要研究对象,一方面,利用北斗监测系统获取的边坡位移数据,深入研究边坡位移预测方法,提高了边坡位移预测精度。另一方面,研究微震信号的降噪方法与初至拾取方法,提高了拾取微震信号初至时间的精度。以上改进方法的处理结果,为边坡安全预警判据的建立和应用提供了准确的数据来源。主要研究内容与所取得的成果如下:(1)针对边坡变形位移预测难度大的问题,利用集合经验模态分解法(EEMD)与粒子群优化的极限学习机(PSO-ELM),建立边坡位移预测的EEMD-PSO-ELM模型。以攀钢集团石灰石矿5号监测点为例,首先对原始数据进行小波降噪,采用EEMD法将降噪数据分解为波动项位移和趋势项位移,然后利用PSO-ELM优化模型预测下一时段位移,并叠加两项位移预测结果得到边坡累计位移预测值。通过对比分析预测结果,EEMD-PSO-ELM模型位移预测的平均相对误差为0.15%,均方根误差为2.98%,拟合优度为0.9999。此外,还利用该模型对8、9号监测点位移进行预测。以上研究结果表明:该模型的精确性和适用性,对滑坡灾前预警具有一定的指导意义。(2)针对微震信号采集过程中,存在大量不同频率的干扰信号,导致信号初至拾取难度大的问题,提出一种基于经验小波变换(EWT)并结合EWT分量阈值重构规则与奇异值分解(SVD)技术对信号降噪的方法。研究结果表明,对于高信噪比信号,选取相关系数大于0.3且方差贡献率大于15%的固有模态分量重构,即有较好的降噪效果。对于低信噪比信号,在高信噪比降噪方法的基础上,提出利用SVD去除高频分量中的噪声,并与EWT分解出的低频有效分量重构的降噪方法。对不同信噪比的构造信号与实际微震信号降噪,其信噪比均得到明显改善,验证了该降噪方法的有效性。(3)在基于EWT信号降噪方法的基础上,提出一种微震信号初至拾取方法。对常用初至拾取算法进行对比分析,最后选用优势明显的修改的能量比(MER)法和分形维数法(FD)对降噪信号拾取初至时间。将基于EWT的信号降噪法分别与MER法和FD法结合用于拾取实际微震信号初至时间,试验结果表明:该模型拾取有效信号初至的精确度高,且对不同数据量的信号适用性强。(4)基于边坡变形三阶段规律和改进的位移切线角法建立了攀枝花石灰石矿边坡位移变形阶段、切线角阈值、位移速率、预警等级之间的对应关系和位移预警判据。选取微震事件数量及事件率倍比、微震事件密度和震级-频率关系计算的b值作为微震预警判据。最后,结合位移预警判据与微震预警判据,综合建立了边坡四级预警判据。运用建立的预警判据对石灰石矿边坡1、5、8、9号监测点的位移数据进行了分析验证,结果表明边坡处于安全状态,与实际情况相符。